1 说明：

=====

1.1 cv2模块：在python中import cv2导入模块，会报错，缺少cv2模块。

1.2 安装：cv2，其实就是安装OpenCV

pip install opencv-python

注意：pip install 的名称不是cv2、或者Opencv，而是opencv-python。

后面的图片显示和人脸识别，都使用这张图，来自今日头条原创图库

1.3 OpenCV

1.3.1 是一个基于BSD许可(开源)发行的跨平台计算机视觉库。

1.3.2 是大名鼎鼎的，轻量级而且高效的一个视觉库，github星级达神级。

1.3.3 在python中主要用于图像显示，人脸识别，人工智能等。

2 环境：

======

华为笔记本电脑、深度deepin-linux操作系统、python3.8和微软vscode编辑器。

3 学习资料来源：

===========

4 基本图片操作：

============

4.1 读取并显示图片

#导入模块import cv2   #读取图像，指定路径和文件夹，注意下载图片为：face.jpeg#显示图片格式：jpeg，png，jpgimg = cv2.imread("/home/xgj/Desktop/OpenCV/face.jpeg")   #窗口标题名和挂在读取图片img显示cv2.imshow("Show Your Image", img)   #不支持中文标题名#waitKey使窗口保持静态直到用户按下一个键，传入的参数是以毫秒为单位的时间。#默认为0，空值就是0，如果是非0，则就是动画，一张图没效果#cv2.waitKey (0)  cv2.waitKey () #destroyAllWindows关闭窗口cv2.destroyAllWindows()

4.2 高级读取图片、转化图片、保存图片

import cv2#0代码黑白=gray，1代表原色=彩色img = cv2.imread('/home/xgj/Desktop/OpenCV/face.jpeg',1)cv2.imshow('image',img)k = cv2.waitKey(0)#if k == 27:         # wait for ESC key to exit，官方给的if k == ord('q'):  #自定义字母：q为退出    cv2.destroyAllWindows()elif k == ord('s'): # wait for 's' key to save and exit    #注意保存图片，格式自定义，所以格式转换非常方便    cv2.imwrite('/home/xgj/Desktop/OpenCV/facex.jpg',img)    cv2.destroyAllWindows()

4.3 图片的附加一。

#导入cv模块import cv2 as cv# 读取一张图像color_img = cv.imread('/home/xgj/Desktop/OpenCV/face.jpeg')print(color_img.shape)  #显示分辨率# 直接读取单通道灰度图gray_img = cv.imread('/home/xgj/Desktop/OpenCV/face.jpeg', cv.IMREAD_GRAYSCALE)print(gray_img.shape)# 把单通道图片保存后，再读取，仍然是3通道，相当于把单通道值复制到3个通道保存cv.imwrite('/home/xgj/Desktop/OpenCV/faceg.jpg', gray_img) #黑白图#再读取reload_grayscale = cv.imread('/home/xgj/Desktop/OpenCV/faceg.jpg')print(reload_grayscale.shape)# cv2.IMWRITE_JPEG_QUALITY指定jpg质量，范围0到100，默认95，越高画质越好，文件越大cv.imwrite('/home/xgj/Desktop/OpenCV/faceb.jpg', color_img, (cv.IMWRITE_JPEG_QUALITY, 80))# cv2.IMWRITE_PNG_COMPRESSION指定png质量，范围0到9，默认3，越高文件越小，画质越差cv.imwrite('/home/xgj/Desktop/OpenCV/facec.png', color_img, (cv.IMWRITE_PNG_COMPRESSION, 5))

4.4 图片的附加二：缩放和加黑框

#导入cv模块import cv2 as cv# 读取一张原始图片img = cv.imread('/home/xgj/Desktop/OpenCV/face.jpeg')# 缩放成200x200的方形图像img_200x200 = cv.resize(img, (200, 200))# 不直接指定缩放后大小，通过fx和fy指定缩放比例，0.5则长宽都为原来一半# 等效于img_100x100 = cv2.resize(img, (100, 100))，注意指定大小的格式是(宽度,高度)# 插值方法默认是cv2.INTER_LINEAR，这里指定为最近邻插值img_100x100 = cv.resize(img_200x200, (0, 0), fx=0.5, fy=0.5,interpolation=cv.INTER_NEAREST)# 在上张图片的基础上，上下各贴50像素的黑边，生成300x300的图像# value=(0, 0, 0)为黑色的img_300x300 = cv.copyMakeBorder(img_100x100, 50, 50, 0, 0,cv.BORDER_CONSTANT,value=(0, 0, 0))# 对照片中局部进行剪裁patch_img = img[220:550, -180:-50]#保存图片cv.imwrite('/home/xgj/Desktop/OpenCV/cropped_img.jpg', patch_img)cv.imwrite('/home/xgj/Desktop/OpenCV/resized_200x200.jpg', img_200x200)cv.imwrite('/home/xgj/Desktop/OpenCV/resized_100x100.jpg', img_100x100)cv.imwrite('/home/xgj/Desktop/OpenCV/bordered_300x300.jpg', img_300x300)

5 人脸识别：☆初探

================

5.1 来源：

# #下载，对代码进行修改，里面有xml文件

5.2 代码：

#人脸识别import cv2# 待检测的图片路径imagepath = r'/home/xgj/Desktop/OpenCV/face.jpeg'# 获取训练好的人脸的参数数据，xml文件需要从github上面下载下来# 这里直接从GitHub上使用默认值#放在指定路径和目录下face_cascade = cv2.CascadeClassifier(r'/home/xgj/Desktop/OpenCV/haarcascade_frontalface_default.xml')# 读取图片image = cv2.imread(imagepath)gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)# 探测图片中的人脸faces = face_cascade.detectMultiScale(    gray,    scaleFactor = 1.15,    minNeighbors = 5,    minSize = (5,5),)print("发现{0}个人脸!".format(len(faces)))for(x,y,w,h) in faces:    cv2.circle(image,(int((x+x+w)/2),int((y+y+h)/2)),int(w/2),(0,255,0),2)  cv2.imshow("Find Faces!",image)cv2.waitKey(0)

5.3 效果图：

小bug，中间男的手里的游戏柄也当成了一张脸，哈哈哈。

初探而已，已经很通俗易懂了。

自己整理并分享，喜欢就点赞，转发和收藏。